第2章 自动驾驶规划核心基础高频问题
本章聚焦面试中反复出现的运动学模型、坐标系、路径规划算法（A*、RRT、Lattice）等基础问答。掌握系统性回答框架，让面试官看到你的深入理解。
| 高频问题 | 核心考察点 | 难度 |
|---|---|---|
| 运动学模型区别 | 模型假设与适用场景 | ★★★ |
| 坐标系转换 | 数学基础与Frenet理解 | ★★★★ |
| A*/RRT/Lattice对比 | 算法特性与工程权衡 | ★★★★ |
📌 问题1：请解释自行车模型与阿克曼转向模型的主要区别及适用场景
面试官考察点：是否理解模型假设（低速/高速、前轮转向 vs 四轮协调）、是否能结合规划场景说明选择理由。
回答框架：问题定位（问模型假设）→ 核心理论（运动学模型 vs 几何模型）→ 算法对比（状态量、约束差异）→ 工程实现（规划器如何用模型做预测）→ 总结升华（强调选型取决于车速和控制频率）。
示例回答：“自行车模型将四轮简化为两轮，假设无侧滑，适合低速（≤10m/s）规划中的短期预测；阿克曼模型精确约束前轮内外转角差，用于高速线控底盘。实际中我们常在 MPC 里用自行车模型做滚动优化，在碰撞检测时用阿克曼检查转向几何可行性。”
- 可能追问：
- 为什么自行车模型在高速下不准确？
- 如何将阿克曼转向几何融入A*路径生成？
- 当车辆有后轮转向时模型如何调整？
[x, y, yaw, v, δ] 如何被栅格代价函数调用。📌 问题2：请说明Frenet坐标系与笛卡尔坐标系的关系，并解释为什么规划常用Frenet
面试官考察点：是否真正理解坐标变换几何意义？能否说清横向/纵向解耦带来的计算优势？
回答框架：问题定位（坐标系对规划的影响）→ 核心理论（Frenet用参考线+纵向位移s+横向偏移l）→ 算法对比（笛卡尔适合全局图搜索，Frenet适合局部轨迹优化）→ 工程实现（坐标系转换API在规划软件栈中的位置）→ 总结升华（高曲率路况下转换会引入数值误差，需注意）。
示例回答：“Frenet以参考线为轴，将车辆运动解耦为沿路纵向s和垂直横向l，便于施加车道约束（l∈[-3.5m,3.5m]）及加速度舒适性。在Lattice Planner中，我们直接在(s,l)空间生成候选轨迹，再逆变换到笛卡尔进行碰撞检测，效率提升约40%。”
- 可能追问：
- 当参考线存在断点时如何处理Frenet连续性？
- 笛卡尔中的曲率如何在Frenet中计算？
- 换道路径在Frenet中如何表示？
s(t) 和 l(s) 的耦合关系（例如弯道中横向速度受纵向速度影响）。📌 问题3：A*、RRT、Lattice三种算法各适合什么场景？请做系统化对比
面试官考察点：是否具备算法选型的全局视野；能否结合路网拓扑、动态障碍、时间约束等现实条件做权衡。
回答框架：问题定位（路径规划算法的选择维度）→ 核心理论（图搜索/采样/参数化曲线）→ 算法对比（完备性、最优性、实时性、对cost设计兼容性）→ 工程实现（A*用于全局路网、RRT用于狭窄泊车、Lattice用于高速公路）→ 总结升华（实际是混合架构：A*找走廊，Lattice生成精细轨迹）。
示例回答：“A*在离散栅格上寻最优拓扑路径，适合城市路网（大闭环搜索）；RRT以采样暴力探索，适合泊车等非结构化场景（不追求最优，只求可通行）；Lattice通过参数化横纵向曲线生成可行轨迹族，适合高速公路结构化道路（兼顾舒适与引导性）。我们的量产方案中，A*+Lattice串联覆盖95%工况。”
- 可能追问：
- 怎样给A*引入非完整约束（如最小转弯半径）？
- RRT*如何保证渐进最优？实现中有什么代价？
- Lattice的采样密度如何确定以避免计算爆炸？